Reinforcement learning del 2, 3 hp

Förstärkningslärande (Reinforcement Learning – RL) är en metod för att lösa sekventiella beslutsproblem. Målet med RL är att få en optimal policy genom att lära av försök och misstag. Denna kurs omfattar grundläggande och avancerade RL-algoritmer för både diskreta och kontinuerliga tillstånds- och handlingsrum. Ett exempel är att kombinera inlärning och sökning. Vi förklarar också hur dessa algoritmer implementeras med djupa inlärningstekniker. RL-baserade tillvägagångssätt har visat imponerande prestanda på komplexa uppgifter med stora mängder data. Vi kommer också att prata om hur RL-strategier presterar på verkliga problem och diskutera begränsningar.